换一批摘要阿尔茨海默症(AD)是一种起病隐匿、进行性发展的神经系统退行性疾病,利用磁共振成像和计算机技术对AD患者的辅助诊断是目前不断探索的新课题.本研究先对磁共振图像进行预处理和相关性分析,然后利用核主成分分析法(KPCA)对脑灰质图像进行特征提取,结合Adaboost算法进行分类,并与主成分分析法(PCA)进行对比试验.通过对AD神经影像学计划数据库中的116名AD患者、116名轻度认知障碍患者,以及117名正常对照的脑部功能磁共振成像进行的研究表明,利用机器学习能够很有效地辅助诊断AD脑部疾病,KPCA算法对图像进行特征提取比PCA算法更加充分完备,分类结果更加精确,能够获得更好的AD辅助诊断结果.
更多相关知识
关键词
阿尔茨海默症结构磁共振成像核主成分分析特征提取机器学习Alzheimer's diseasestructural magnetic resonance imagingkernel principal component analysisfeature extractionmachine learning
医学主题词
海洋(Oceans and Seas)算法(Algorithms)诊断(Diagnosis)磁共振成像(Magnetic Resonance Imaging)主成分分析(Principal Component Analysis)
栏目名称
DOI
10.3969/j.issn.1005-202X.2018.04.007
发布时间
2018-05-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61671028）
北京市自然科学基金（4162018）
北京市委组织部高创计划青年拔尖人才培养资助项目（2014000026833ZK14）
北京市青年拔尖人才培育计划（CIT&TCD201504010）
- 浏览190
- 被引13
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
